BAB III LANDASAN TEORI Pada bab ini akan dijelaskan mengenai teori dasar yang
digunakan
oleh
penulis
sebagai
acuan
dalam
pengembangan aplikasi. 3.1
Optical Character Recognition Optical
Character
Recognition(OCR)
dapat
didefinisikan sebagai analisis elektronik dari sebuah citra
dalam
memiliki
upaya
mengidentifikasikan
informasi
tekstual
dan
wilayah
yang
ekstraksi
atau
pengenalan teks dari citra yang diberikan(Jain et al, 2013).
Definisi
pengenalan
OCR
teks
secara
hasil
sederhana
print,
adalah
tulisan
proses
tangan,
hasil
mesin ketik dan sebagainya dari suatu berkas hard copy yang
diubah
aplikasi dengan
ke
OCR
berkas
yang
telah
pendokumentasian
halaman
buku,
digital(Lian, sering citra.
dokumen
sah,
2009).
digunakan Citra
berkaitan
dari
catatan
Ciri
halaman-
medis,
dan
sebagainya diperoleh melalui scanner flatbed kemudian diproses
oleh
OCR(Lian,
2009).
Pengenalan
optis
dilakukan secara off-line setelah penulisan atau proses pencetakan selesai, berkebalikan dengan pengenalan online
dimana
digambarkan.
komputer Hasil
mengenali
pengenalan
karakter
karakter
dari
saat tulisan
tangan maupun cetak komputer tergantung pada kualitas dari
input
data
tersebut(Eikvil,1993).
Terdapat
beberapa variabel yang mempengaruhi kualitas data input seperti yang sudah disebutkan, diantaranya kejelasan bentuk karakter(tulisan tangan) dan atau font, kualitas
13
alat cetak(printer), kualitas citra(piksel), latar, dan warna. Semakin baik mutu data input, maka performa OCR akan
mendekati
karakter,
kemampuan
sebaliknya,
manusia
OCR
akan
dalam
sangat
mengenali
sukar
bahkan
gagal melakukan pendeteksian(Eikvil,1993). Pada
umumnya
sistem
OCR
terdiri
dari
beberapa
komponen yang dapat dilihat pada gambar 3.1.
Gambar 3.1 Flowchart Tahapan Umum Pada Sistem OCR (Jain et al, 2013)
Preprocessing
atau
pemrosesan
awal
dilakukan
terhadap gambar bertujuan menghasilkan data yang mudah dikenali sistem OCR secara akurat(Jain et al, 2013). Secara
sederhana,
preprocessing
akan
menghilangkan
objek yang tidak diinginkan pada gambar (bukan karakter yang
akan
dikenali)
dan
untuk
memperbaiki
kualitas
gambar(Aprilia, 2012). Perbaikan mutu citra tersebut meliputi memisahkan teks dengan latar belakang (hitam diatas putih), penyamaan ukuran seperti 12 pt. 300dpi, penajaman karakter (Jain et al, 2013). Secara umum Preprocessing yang dilakukan terhadap citra
diantaranya
cacat(noise
removal),
grayscaling, dan
menghilangkan
thresholding.
Grayscaling
adalah tahap awal image preprocessing, yaitu mengubah gambar derajat
berwarna
menjadi
keabuan.
gambar
Selanjutnya,
yang
hanya
dilakukan
memiliki noise
filtering, yakni proses mengurangi cacat(noise). Proses
14
akhir dari image preprocessing adalah thresholding yang berguna
memisahkan
objek
yang
diamati
dengan
latar
belakangnya dengan cara mengubah gambar menjadi hitam putih(Aprilia, 2012). Menurut
Jain,
dkk.,
Preprocessing
citra
dapat
melibatkan satu atau lebih dari langkah berikut (Jain et al, 2013) : 1. Reduksi noise Dibandingkan
dengan
pemindai
optik(opical
scanner),
sifat kamera digital lebih cenderung menangkap noise karena
mode
digital
operasinya.
Sensor
charge-coupled
citra
device
pada
(CCD)
kamera
dan
atau
Complementary Metal Oxide Semiconductor (CMOS) tidak mampu
menangani
keadaan
gelap
dan
noise
yang
tertangkap. Dalam keadaan pencahayaan yang sedikit atau ketika sensor menerima sedikit cahaya disebabkan bukaan lensa lebih kecil akan mengakibatkan lebih banyak noise yang
terdeteksi.
Jika
menggunakan
kamera
dengan
resolusi rendah, kemungkinan garis karakter yang muncul akan
tipis
teknik
dan
menyatu
binerisasi
dengan
dilakukan
latar pada
belakang. gambar
Bila
tersebut
kemungkinan besar garis-garis karakter tidak dikenali sebagai
bagian
latar
tersebut
dapat
diatasi
depan(foreground). dengan
reduksi
Masalah
noise
dan
perbaikan mutu citra sebelum binerisasi citra. 2. Skew
dan
Perbaikan
Perspektif
(perspective
correction) Penyimpangan perspektif pada citra yang diambil dari kamera tidak dapat dihindari dan perbaikan perspektif sangat dibutuhkan sebab masalah ini memberi pengaruh
15
langsung
terhadap
kehandalan
dan
efisiensi
proses
segmentasi dan ekstraksi fitur. 3. Binerisasi Sebuah
proses
grayscale
ke
konversi suatu
citra
citra
berwarna
bi-level.
atau
Setiap
citra piksel
dikategorikan sebagai salah satu latar depan atau latar belakang(Sezgin, binerisasi
2004).
citra
Thresholding
yang
adalah
paling
metode
populer
dan
diimplementasikan melalui 2 cara berikut : Global yakni diterapkan pada citra secara menyeluruh. Setiap piksel dikategorikan menggunakan karakteristik citra
yang
umum/global.
Algoritma
Thresholding
Otsu
global sering menjadi pilihan dalam hal ini. Local Adaptive Thresholding yaitu nilai threshold yang berbeda untuk setiap piksel citra diperkirakan berdasar karakteristik lokal. Pada diwakili
tahap vektor
ekstraksi fitur
yang
fitur, akan
setiap menjadi
karakter identitas
karakter tersebut. Dalam proses pelatihan mesin OCR, vektor
fitur
dari
karakter-karakter
dipersiapkan
sebagai template untuk digunakan pada tahap pencocokan fitur(matching feature) dari simbol-simbol pada sebuah citra. Metode ekstraksi fitur menganalisis input citra dan
menyeleksi
mengidentifikasi
satu dan
set
fitur
yang
secara
mengklasifikasikan
unik
karakter.
Tujuan dari ekstraksi fitur adalah mengekstrak satu set
16
fitur yang akan memaksimalkan proses pengenalan(Jain et al, 2013). Tahap
pengenalan(Matching
and
Discrimination)
melakukan konversi citra dari setiap karakter ke dalam kode
karakter
yang
sesuai
dengan
cara
menyesuaikan/mencocokkan fitur karakter yang diperoleh dari
proses
ekstraksi
fitur
dengan
fitur-fitur
dari
template karakter dan hasilnya dipisahkan ke dalam kode karakter
tertentu.
Algoritma
pengenalan
dapat
menghasilkan keluaran yang bervariasi dari suatu citra dan
menyediakan
Contoh,
analisis
pengenalan
menghasilkan
“1”,
citra “1”
probabilitas dari
“/”,
yang
sama.
“1”
dapat
karakter
“\”
kode
dan
mencatat
probabilitas dari setiap kejadian(Jain et al, 2013). 3.2
Tesseract Google Tesseract merupakan mesin Optical Character
Recognition(OCR) awalnya
untuk
dikembangkan
berbagai
oleh
sistem
Hewlet
1985 hingga 1995(Smith, 2007).
operasi
Packard
pada
yang tahun
Tesseract dimasukkan
dalam test akurasi OCR tahunan UNLV keempat sebagai “OCR Lab HP” tetapi kode-nya telah banyak berubah sejak saat
itu,
termasuk
konversi
ke
retraining(latihan ulang) (Smith, 2007).
Unicode
dan
Setelah tahun
2006, Tesseract dilepas oleh HP untuk digunakan secara bebas. Sejak saat itu, tesseract dikembangkan secara luas oleh Google dan dirilis di bawah lisensi Apache 2.0
serta
dapat
http://code.google.com/p/tesseract-ocr
diakses
di
(Smith,
2007).
Tesseract mungkin menjadi mesin OCR paling akurat saat ini. Tesseract dikombinasikan dengan Leptonica Image
17
Processing Library yang dapat membaca berbagai format gambar dan mengkonversikannya ke teks di lebih dari 60 bahasa.
Dalam
Tesseract matching
konferensi
ICDAR,
mengkombinasikan dan
ekstraksi
Smith
mengungkapkan
kedua
algoritma
matrix
fitur.
Tesseract
hanya
memerlukan sedikit data pelatihan dan menggunakan kedua static
classifier
dan
adaptive
classifier
sehingga
memungkinkan mesin dapat berlatih sendiri pada dokumen yang dianalisis(Smith, 2007). 3.2.1
Arsitektur Tesseract
Gambar 3.2 Arsitektur Mesin OCR Tesseract(Patel et al, 2012)
Gambar 3.2 menunjukkan arsitektur Tesseract yang secara sederhana dapat dijelaskan sebagai berikut:
18
Tesseract OCR bekerja tahap demi tahap sebagaimana yang
terlihat
pada
diagram
pada
gambar
3.2.
Tahap
pertama merupakan proses adaptive thresholding yakni konversi
citra
ke
selanjutnya
dalam
citra
adalah
terhubung/Connected
biner.
Langkah
analisis
Component(CC)
komponen
yang
berfungsi
mengekstrak outline karakter. Metode ini memungkinkan pemrosesan OCR pada teks putih dengan latar belakang hitam. Outline yang ditemukan pada tahap ini dikonversi ke dalam “blob”. Blob kemudian disusun ke baris teks, dan baris(lines) dan wilayah(regions) dianalisis untuk mengetahui pitch)
apakah
atau
teks
merupakan
proporsional.
pitch
Teks
tetap(fixed
dengan
pitch
tetap(fixed-pitch) adalah teks yang setiap karakternya mempunyai ukuran ruang horizontal yang sama dalam suatu kata,
berkebalikan
dengan
teks
proporsional
yang
memiliki spasi kata yang tidak sama seperti pada gambar 3.3.
Gambar 3.3 Teks Non-fixed-pitch
Baris dibedakan
teks
dipisah
ke
menurut
jenis
spasi
dalam
kata-kata
karakter.
Jika
dan teks
adalah fixed pitch maka teks langsung dipecah dengan sel-sel karakter seperti pada gambar 3.4.
Gambar 3.4 Pemotongan Kata Fixed-pitch
19
Sebaliknya, untuk teks proporsional akan dipecah ke dalam kata menggunakan ruang pasti dan ruang fuzzy. Pengenalan proses
yang
selanjutnya
disebut
dilakukan
melalui
pass-two(Smith,
dua
2007).
Pass
pertama dilakukan untuk mengenali setiap kata secara bergilir. Keberhasilan pass pertama dipengaruhi oleh keberadaan kata dalam kamus dan tidak mempunyai makna ganda(ambigu),
sehingga
kata
tersebut
diteruskan
ke
adaptive classifier sebagai data pelatihan. Adaptive classifier kemudian dapat mengenali teks lebih akurat pada
halaman
melakukan dikenali
selanjutnya.
pengenalan atau
Pass
kembali
terlewatkan
kedua
yang
sukar
pertama.
Tahap
kata-kata
pada
pass
berfungsi
akhir adalah pemrosesan kata-kata dengan ruang fuzzy dan memeriksa hipotesis alternatif pada ketinggian-x untuk mencari teks dengan smallcap(Smith, 2007). 3.2.2
Perbandingan Tesseract dengan Mesin OCR ABBYY FineReader
Dalam dokumentasi IMPACT(Improving Access to Text) yakni
“Laporan
Perbandingan
mesin
OCR
Tesseract
dan
ABBYY FineReader” yang di publikasikan pada tahun 2012, menuliskan kesimpulan baik kelebihan maupun kekurangan yang
ada
beberapa
pada tes
kedua yang
mesin
OCR
dilakukan
berdasarkan
terhadap
kedua
hasil mesin
OCR(Helinski et al, 2012). Tes dilakukan terhadap mesin OCR
Tesseract
versi
3.01
dan
ABBYY
FineReader10
menghasilkan konklusi sebagai berikut(Helinski et al, 2012): Tesseract berkemampuan lebih unggul pada kasus tes gothic dalam kebersihan atau kejelasan bentuk, dimana
20
sebagian
besar
digunakan
karakter
masyarakat
hieroglif(tulisan
mesir
kuno)
formal
merupakan
font
fraktur(bentuk kaligrafi dari alfabet latin). Hal ini mungkin
terjadi
dikarenakan
fakta
bahwa
pelatihan
Tesseract hanya memasukkan glif fraktur, sedangkan ABBY hanya memasukkan pola glif modern maka klasifikasi glif lebih
rentan
mengatasi
terjadi
halaman(page
kesalahan. layout)
Tesseract
yang
tidak
sukar
beraturan
dengan banyak cacat(noise). Dalam kasus batas halaman yang tidak beraturan, lebih banyak terdapat titik dan garis
daripada
memunculkan presisi
suatu
banyak
hasil
dan
area
yang
kesalahan nilai
solid,
karakter,
keakuratan.
Hal
Tesseract mengurangi ini
jelas
terlihat pada tes kasus test-zr original antiqua dimana keakuratan
karakter
hanya
mencapai
39,4%.
Pada
observasi pelatihan incremental menunjukkan keakuratan pengenalan Tesseract dapat menurun karena adanya cacat halaman(Helinski et al, 2012). FineReader
memiliki
kesulitan
pada
kasus
tes
dimana terdapat dua halaman yang telah melalui hasil OCR: halaman dengan font yang besar(±1600 karakter / halaman) dan halaman dengan font kecil(±2500 karakter / halaman). Keseluruhan hasilnya sangat buruk dikarenakan halaman dengan font kecil memberikan hasil yang sangat buruk(45% pada level karakter), meskipun halaman dengan font besar memberikan hasil yang relatif baik(76% pada level karakter) (Helinski et al, 2012). Dari seluruh tes kasus dokumen gothic dan antiqua oleh
Tesseract
memberikan
hasil
buruk
dikarenakan
faktor berbagai tipe dokumen dan font, tata letak dan kejelasan cacat(noise) yang muncul pada halaman hasil
21
pemindaian(scanned
pages).
Meskipun
demikian,
dapat
dinilai bahwa dalam kasus kualitas halaman yang baik, Tesseract memberikan hasil yang lebih baik dibandingkan FineReader(Helinski et al, 2012).
Android Text-To-Speech(TTS)
3.3
TTS (Text to Speech) merupakan salah satu aplikasi dalam bidang teknologi bahasa yang dapat mengkonversi teks dalam format suatu bahasa menjadi ucapan sesuai dengan
pelafalan
dengan
cara
fonem-fonem
teks
dalam
melakukan untuk
bahasa
fonetisasi,
membentuk
ucapan.
yang
digunakan,
yaitu
penyusunan
Sistem
TTS
pada
umumnya melakukan dua proses konversi, yaitu konversi teks
ke
fonem
dan
konversi
fonem
ke
ucapan.
Kedua
proses ini dilakukan berurutan dengan input berupa teks dan
menghasilkan keluaran berupa
suara
atau
ucapan(Arman, 2002). 3.4
Mesin Penerjemah Microsoft(Bing translate API) Microsoft
translator
memberikan
seperangkat
layanan web API yang dapat digunakan oleh pengembang di dalam
aplikasi,
servis
atau
web
site.
API
yang
disediakan dapat digunakan dengan berbagai cara seperti HTTP REST servis, layanan AJAX, dan SOAP web servis. Microsoft
Translator
Marketplace, berdasarkan
dijual jumlah
API
tersedia
sebagai
karakter
di
Windows
berlangganan
teks
yang
Azure
bulanan
dilewatkan
ke
API. API tersedia gratis untuk penggunaan karakter 2 juta per bulan. Sampel metode yang disediakan API kepada pengembang:
22
1. Translate — menerjemahkan teks dari satu bahasa ke bahasa lain 2. TranslateArray — menerjemahkan array teks dari satu bahasa ke bahasa lain 3. Speak (Text to Speech) — menghasilkan bentuk audio dari suatu teks dalam bahasa tertentu 4. Detect — deteksi bahasa dari suatu String 5. Detect
Array —
deteksi
bahasa
dari
suatu
array
String 6. GetTranslations —
mengembalikan
sebuah
array
dari
alternatif terjemahan untuk teks 7. GetTranslationsArray —
Mengembalikan
array
dari
alternatif terjemahan untuk array teks 8. GetLanguageNames,GetLanguagesForSpeak, GetLanguagesForTranslate —
mengembalikan
sebuah
daftar nama-nama bahasa, daftar audio bahasa yang tersedia, dan daftar kode-kode bahasa 9. AddTranslation, pengembang
AddTranslationArray —
menambahkan
terjemahannya
mengizinkan sendiri
ke
dalam infrastruktur Microsoft Translator. 3.5
Korean Pop(K-Pop) Korean Pop atau K-Pop adalah salah satu fenomena
musik
dunia
yang
berasal
dari
Korea
Selatan.
K-pop
merupakan bagian dari budaya pop modern Korsel atau sub-kultur yang terdiri dari beragam elemen seni dan hiburan Korea Selatan. K-pop memiliki ciri khas genre musik pop atau R&B Amerika dengan nuansa asia timur yang dipertunjukan oleh artis solo maupun yang paling berpengaruh yakni artis yang tergabung dalam boyband atau
girlband
dimana
konsep
grup
musik
ini
lebih
23
mengutamakan
keunggulan
fisik
dan
kekompakan
menari(Sulistyo, 2013). Budaya
pop
Korea
yang
marak
di
Indonesia
pada
mulanya ditujukan untuk menyaingi impor budaya luar ke dalam Korea serta menambah pendapatan ekonomi negara, namun karena pasar Asia ternyata potensial dan sejalan dengan pertumbuhan ekonomi negara-negara di Asia, maka penyebaran budaya pop Korea ini menjadi sarana untuk melanggengkan banyaknya
kapitalisme
penikmat
budaya
Korea. pop
Dengan
korea,
semakin
maka
akan
memberikan dampak yang signifikan terhadap pertumbuhan ekonomi di Korea sendiri. Hal inilah yang dimanfaatkan kapitalis
untuk
memproduksi
budaya
pop
Korea
secara
massal di berbagai wilayah Asia termasuk Indonesia(Sari et al, 2011). Secara mudah bisa digambarkan bahwa fenomena K-pop secara
tidak
langsung
semakin
membuat
bahasa
Korea
semakin terkenal. Semua produk budaya „modern‟ Korea tersebut
adalah
asli
Korea
dalam
arti
baik
lagu,
sinetron, maupun filmnya memakai medium bahasa Korea sebagai bahasa pengantarnya. Sudah dipastikan ketika produk budaya tersebut memasuki negara-negara lain dan dikonsumsi oleh para konsumen di belahan negara lain, produk tersebut banyak yang masih menggunakan bahasa Korea—sebelum melalui proses sulih suara—terutama untuk drama. Di sinilah letak salah satu keberhasilan bangsa Korea
dalam
memperkenalkan
bahasanya(Nugroho,
2011).
Fakta bahwa bahasa Korea berada di posisi ke-10 sebagai bahasa yang sering digunakan di media internet pada tahun
2009(Internet
World
Stats,
2010).
Hal
ini
menjadikan bahasa Korea sebagai salah satu bahasa yang
24
penetrasi dan signifikansinya di ajang global menjadi tak
terbantahkan.
Sebagai
gambaran,
bahasa
Korea
menempati urutan ke-13 dengan pengguna sebanyak 71 juta orang di dunia ini sebagai bahasa yang paling banyak digunakan.
Jumlah
ini
pun
baru
dihitung
dari
Korea
Selatan dan Korea Utara, belum termasuk para imigran Korea beserta keturunannya yang sampai saat ini berdiam di
Cina,
Amerika,
Jepang,
Rusia,
Kanada,
Australia,
Amerika Selatan, Selandia Baru, Australia, dan negaranegara Eropa serta Asia lainnya(Nugroho, 2011). 3.6
Android Android
adalah
susunan
dari
beberapa
perangkat
lunak (software stack). Stack ini secara umum meliputi sistem
operasi,
kunci(Mulyana,
middleware,
2012).
dan
Android
aplikasi-aplikasi
pada
awalnya
tidak
dikembangkan oleh google, melainkan dikembangkan oleh sebuah perusahaan bernama Android Inc. Karena google melihat
banyaknya
user
yang
online
dengan
perangkat
mobile, maka google mengira bahwa perangkat mobile ini memiliki masa depan yang cerah, sehingga Android Inc diakuisi
oleh
Google
pada
tahun
2005.
Beberapa
hal
penting seputar android (Winarno dan Zaki, 2011): a. Android adalah sistem operasi embedded yang sangat bergantung pada kernel linux untuk layanan-layanan intinya, tapi Android bukanlah linux embedded. b. Penulisan framework
program java,
tapi
untuk ini
android bukanlah
menggunakan java,
karena
library standar java seperti Swing tidak didukung. Library lain seperti timer tidak disarankan, karena sudah diganti dengan library default dari android,
25
yang
dioptimalkan
untuk
penggunaan
di
lingkungan
embedded yang terbatas. c. OS
android
artinya
merupakan
developer
sistem
bisa
operasi
melihat
open
semua
source,
source
code
sistem.
3.7
Eclipse IDE Aplikasi
android
di
tulis
dan
dibangun
dengan
menggunakan java, ada pula beberapa pilihan Aplication Building
Tools,
Development
baik
menggunakan
Environment)
atau
IDE
CLI
(Intergrated
(Command
line
Interface). Akan tetapi Google sangat mendukung Eclipse sebagai
IDE
java
untuk
mendukung
aplikasi
android
dibandingkan dengan IDE yang lainnya, sebagai buktinya adalah
dirilisnya
plugin
ADT
untuk
(Android Development Tools) merupakan untuk
eclipse.
Sebelum
sebuah
dengan
ADT
ADT
plugin
menggunakan atau menginstal
ADT, pastikan bahwa eclipsenya sudah kompatibel
Eclipse.
dan
android
terinstal dan
SDK.
Android
SDK
(Software Development Kit) adalah library yang berisi kumpulan
tools/alat
bantu
membangun/mengembangkan
yang
sebuah
dibutuhkan
aplikasi
di
dalam android
dengan menggunakan bahasa pemrograman Java.
3.8 Karakter Korea Bahasa Korea atau hangeul memiliki unsur vokal dan konsonan yang direpresentasikan dalam bentuk simbolsimbol. Masing-masing unsur vokal dan konsonan tidak dapat
berdiri
sendiri,
sebab
dalam
membentuk
sebuah
kata diperlukan beberapa simbol seperti halnya bahasa Indonesia
dimana
satu
kata
tersusun
dari
gabungan
26
huruf-huruf.
Pada
umumnya,
setiap
karakter
Korea
terbentuk dari dua sampai empat simbol yang merupakan kombinasi vokal dan konsonan(Sofyan, 2010,h3; Yeung et al,
2006,
h432)
yang
diatur
pada
ruang
dua
dimensi(Yeung et al, 2006; Jung dan Kim, 2000). Gambar 3.3 menunjukkan struktur karakter Korea(Jung dan Kim, 2000).
Gambar 3.5 Enam Jenis Aturan Komposisi Grafem Bahasa Korea(Aprilia, 2012)
Gambar 3.6 Grafem Bahasa Korea(Aprilia, 2012)
Abjad Korea terdiri dari 14 konsonan tunggal, 10 vokal tunggal, 5 konsonan rangkap, 11 vokal rangkap, 7 bunyi
konsonan
kompleks(Putra, dibentuk
dari
akhir, 2011).
kombinasi
dan Jumlah seluruh
11
konsonan
karakter konsonan
akhir
yang
dapat
dan
vokal
sebanyak 11.728 karakter, tetapi pada prakteknya hanya sekitar 2.350 karakter yang digunakan dan umumnya hanya 520 karakter yang sering digunakan(Yeung et al, 2006). Berikut merupakan daftar simbol konsonan dan vokal yang ditampilkan dalam tabel 3.1, tabel 3.2, dan tabel 3.3.
27
Tabel 3.1 Daftar Vokal Tunggal dan Rangkap dalam Abjad Korea
Vokal Tunggal
Vokal Rangkap
Huruf
Nama
Huruf
Nama
ㅏ
a (아)
ㅐ
ae (애)
ㅑ
ya (야)
ㅒ
yae (얘)
ㅓ
eo (어)
ㅔ
e (에)
ㅕ
yeo (여)
ㅖ
ye (예)
ㅗ
o (오)
ㅘ
wa (와)
ㅛ
yo (요)
ㅙ
wae (왜)
ㅜ
u (우)
ㅚ
oe (외)
ㅠ
yu (유)
ㅝ
wo (워)
ㅡ
eu (으)
ㅞ
we (웨)
ㅣ
i (이)
ㅟ
wi (위)
ㅢ
ui (의)
Tabel 3.2 Daftar Konsonan Tunggal dalam Abjad Korea
Huruf
Nama
Pelafalan Awal
Tengah/akhir
Bawah
ㄱ
Giuk
G/K
G
K
ㄴ
Niun
N
N
N
ㄷ
Digut
D/T
D
T
ㄹ
Riul
R/L
R
L
ㅁ
Mium
M
M
M
ㅂ
Biup
B
B
P
ㅅ
Siot
S
S
T
ㅇ
Iung
-
-
NG
ㅈ
jhiut
JH
JH
T
28
ㅊ
Chiut
CH
CH
T
ㅋ
Khiuk
KH
KH
K
ㅌ
Thiut
TH
TH
T
ㅍ
Phiup
PH
PH
P
ㅎ
Hiut
H
H
T
Tabel 3.3 Daftar Konsonan rangkap dalam Abjad Korea
Huruf
Nama
Pelafalan Awal
Tengah/akhir
Bawah
ㄲ
ssanggiyeok (쌍기역)
K
K
K
ㄸ
ssangdigeut (쌍디귿)
T
T
-
ㅃ
ssangbieup (쌍비읍)
P
P
-
ㅆ
ssangsiot (쌍시옷)
S
S
T
ㅉ
ssangjieut (쌍지읒)
C
C
-
Dalam bahasa Korea, sistem penulisan menggabungkan huruf vokal dan konsonan. Setiap penulisan huruf vokal tunggal
maupun
ganda
harus
ditambahkan
simbol
“ㅇ”(ieung) (Aprilia, 2012). Simbol tersebut berbunyi “ng” seperti pada kata “uang”, tetapi pada penulisan vokal
bunyi
“ng”
tidak
dibaca(Aprilia,
2012).
Untuk
mendapat huruf “a” diperlukan dua huruf “ㅇ” (ieung) dan
“ㅏ”
(a)
sehingga
menjadi
“아”
yang
dibaca
“a”
seperti dalam bahasa Indonesia(Aprilia, 2012). Berbeda pada
penulisan
huruf
konsonan
tidak
perlu
ditambah
huruf “ㅇ” (ieung)(Aprilia, 2012). Pada penggabungan huruf vokal dan konsonan, posisi “ㅇ” (ieung) diganti oleh huruf konsonan(Sofyan, 2010, h2) jika huruf konsonan berada di depan huruf vokal
29
seperti pada kata “da”, sehingga penulisannya menjadi “다”.
Sebaliknya,
jika
huruf
konsonan
terletak
di
belakang huruf vokal seperti pada kata “il” maka huruf konsonan tidak mengganti posisi “ㅇ” (ieung), tetapi ditulis
dibawah
menjadi
vokal
huruf “이”
vokal, (i)
sehingga
ditambah
penulisannya
konsonan
“ㄹ”
dibawahnya yang akan menghasilkan “일” (il) (Aprilia, 2012). Pada contoh kata “sam” penggabungannya terdiri dari huruf konsonan “s” mengganti huruf “ㅇ” (ieung) dari
huruf
vokal
“a”
kemudian
huruf
konsonan
“m”
ditulis dibawah huruf gabungan “s” dan “a” (Aprilia, 2012). Pada bab landasan teori telah dipaparkan teori-teori dasar yang digunakan oleh penulis dalam pengembangan perangkat lunak. Pada bab selanjutnya, bab analisis dan perancangan analisis
perangkat
yang
lunak
dilakukan
akan
penulis
dibahas dalam
mengenai
pengembangan
perangkat lunak.
30
